L’Intelligenza Artificiale (AI) ha portato con sé un’ondata di innovazione e cambiamento. Questa tecnologia è destinata a rimanere e a rivoluzionare processi e infrastrutture. Tuttavia, per favorire crescita e innovazione, è fondamentale seguire il giusto percorso descritto in questo articolo di Equinix, multinazionale che gestisce oltre 260 data center in 33 paesi e che offre infrastrutture digitali sicure e sostenibili.
Aziende e data center alla prova dell’AI: come si stanno riconfigurando infrastrutture e workload nel 2025?
In passato c’era scetticismo riguardo a molte “ondate” tecnologiche – come la blockchain, il far-edge computing, o il 5G – perché le applicazioni concrete non sembravano così convincenti. Ma con l’AI è diverso. Anche se la sua forma aziendale è ancora agli albori, i primi casi d’uso stanno già mostrando un potenziale capace di trasformare interi settori, proprio come hanno fatto internet, le reti mobile e il cloud negli ultimi decenni, rivoluzionando il nostro modo di vivere e fare business.
L’AI è destinata a fare lo stesso, con un cambiamento altrettanto radicale, dove oggi alcune aziende cercano di ottenere vantaggi immediati, mentre altre puntano su una visione a lungo termine, adottando strategie più strutturate per costruire basi solide.
Una cosa, tuttavia, è certa: l’accelerazione dell’adozione dell’AI richiederà livelli mai visti prima di potenza di calcolo, capacità di archiviazione e connettività. Per questo, le infrastrutture di data center progettate appositamente per questi scopi, seguendo al contempo una logica sostenibile, saranno cruciali. Solo così sarà possibile supportare i carichi di lavoro massicci delle applicazioni AI e costruire un futuro più intelligente e connesso.
L’AI sta trasformando il modo in cui le aziende operano: dallo sviluppo di prodotti e servizi innovativi, all’automazione dei processi, fino all’ottimizzazione dei flussi di lavoro per aumentare la produttività. E di pari passo, sta ridefinendo anche le tendenze infrastrutturali nei data center.
Per allenare modelli di AI e ottenere il massimo dalla fase di inferenza, le aziende dovranno:
- Rivalutare la collocazione delle risorse tra cloud pubblici e infrastrutture locali (cloud rebalancing).
- Rispettare le normative sulla sovranità dei dati.
- Implementare l’osservabilità.
- Fare affidamento su data center “AI-ready”, con capacità energetiche adeguate.
Trend 1: il cloud rebalancing ottimizza la distribuzione di carichi e storage
Negli ultimi due anni molte aziende hanno sperimentato l’AI generativa nel cloud pubblico. Queste sperimentazioni hanno evidenziato la necessità di un “riequilibrio” del cloud, spostando parte delle risorse verso infrastrutture locali o data center in colocation, come già avvenuto per altri tipi di workload prima dell’avvento della AI generativa. Un report IDC del giugno 2024 ha rivelato che circa l’80% degli intervistati prevede una certa forma di rimpatrio di risorse IT in sede entro i prossimi 12 mesi.
Il cloud rebalancing (o cloud repatriation) è una strategia per collocare i carichi di lavoro critici, tra cui lo sviluppo dell’AI, laddove garantiscono il miglior rapporto tra prestazioni e costi. Altre ragioni per posizionare strategicamente i carichi di lavoro e lo storage sono:
- Allenare i propri modelli AI usando dati proprietari.
- Mantenere il controllo su dati distribuiti nonostante la rapida crescita e la complessità.
- Sapere esattamente quali dati si possiedono, da dove provengono e dove sono archiviati.
- Migliorare la localizzazione dei dati così da poter rispettare le normative sulla sovranità dei dati e sulla privacy del luogo.
- Trasferire i dati istantaneamente e senza soluzione di continuità dallo storage vendor-neutral ai workload in esecuzione su più cloud.
- Mantenere un nucleo di dati “core” centralizzato che consenta di spostare dati specifici ai workload in esecuzione in cloud pubblici o all’edge.
Trend 2: la formalizzazione dei processi di governance dei dati rafforza la gestione degli stessi
Per addestrare modelli efficaci e generare prodotti di valore, servono dati di qualità. Per questo motivo, è essenziale per un’azienda sapere quali dati si possiedono, come sono organizzati, da dove provengono e se presentano rischi normativi o di privacy. Una volta raggiunta questa comprensione, servono strumenti in grado di offrire una visione completa e affidabile del proprio ecosistema dati.
La governance dei dati supporta tutte le attività di gestione incluse privacy, compliance e qualità. Eppure, molte aziende non hanno ancora definito politiche strutturate in merito. Secondo il report State of AI di McKinsey, il 70% degli intervistati ha riscontrato difficoltà nella gestione dei dati, in particolare nel definire processi di governance, integrare i dati nei modelli AI e reperire dati sufficienti. Questi risultati evidenziano il ruolo essenziale dei dati nell’acquisizione di valore dall’IA.
Guardando avanti, le aziende dovranno formalizzare sempre più le politiche e i processi di governance, rendendoli una parte essenziale delle loro strategie di IA. Fare ciò permetterà di garantire la privacy, evitare sanzioni e massimizzare il valore derivante dagli investimenti in AI.
Trend 3: l’osservabilità deve saper rispondere a tutte le minacce
Il profilo di rischio per gli attacchi è sempre più elevato, poiché le aziende continuano ad ampliare il numero di società con cui si interfacciano, come i fornitori di servizi cloud e di rete e le società SaaS. Ciò aumenta esponenzialmente la complessità e le dimensioni delle minacce e dei vettori, in questo contesto capire come proteggere al meglio le reti è più importante che mai.
L’osservabilità è essenziale per capire cosa sta accadendo in tutto il panorama. Le aziende devono associare il comando e il controllo del loro patrimonio tecnologico e infrastrutturale a strumenti di osservabilità che forniscano la copertura necessaria per l’intero scenario delle minacce. Dovranno essere in grado di vedere gli attacchi in anticipo prevedendo quando e dove ci sarà una esposizione maggiore.
Per rafforzare la protezione contro questi attacchi sarà fondamentale che il settore collabori all’implementazione di best practice e strumenti.
Trend 4: la crescente richiesta di energia da parte dell’AI necessita di un numero maggiore di stakeholders
L’addestramento di modelli AI richiede grandi quantità di energia. Per esempio, una risposta di ChatGPT consuma fino a 10 volte più elettricità rispetto a una ricerca su Google. Questa crescente domanda energetica impone una collaborazione tra industria, governi e comunità per:
- Integrare nuove fonti energetiche più efficienti, come l’idrogeno e il nucleare.
- Accelerare la costruzione di infrastrutture elettriche e di data center nelle comunità con accesso alla terra e all’energia elettrica che desiderano investire e creare posti di lavoro.
La crescita dell’IA si basa sull’infrastruttura globale dei data center
Espandere le infrastrutture di data center ad alte prestazioni che supportino la crescita dell’IA continuerà dunque a essere una priorità. Non si tratta solo di un trend in quanto il continuo sviluppo ed equipaggiamento dei data center con potenza e rete darà un contributo incredibile all’economia. Entro il 2027, 8,75 trilioni di dollari dell’economia mondiale dipenderanno dai data center.
Tenere a mente queste quattro tendenze mentre si cerca di integrare l’AI in un’azienda aiuterà a tracciare la rotta per il 2025 e a consentire un’innovazione e una crescita aziendale ancora maggiori.
